CHƯƠNG 2 : PHƯƠNG PHÁP NGHIÊN CỨU
3.2 Phân tích dữ liệu
3.2.4 Kiểm định sự phù hợp của mơhình nghiên cứu bằng phương pháp phân tích
phân tích hồi quy bội
Thực hiện phân tích hồi qui nhằm nghiên cứu mối liên hệ phụ thuộc của một biến (gọi là biến phụ thuộc) vào nhiều biến khác (gọi là biến độc lập), với ý tưởng ước lượng và/hoặc dự đốn giá trị trung bình (tổng thể) của biến phụ thuộc trên cở sở giá trị biết trước (trong mẫu) của các biến độc lập. (Trọng & Ngọc 2008)
Phương pháp thực hiện hồi quy là phương pháp đưa vàp lần lượt (Enter). Để đánh giá mức độ phù hợp của mơ hình nghiên cứu, các nhà nghiên cứu sử dụng hệ số xác định R2 (R Square). Hệ số R2 được chứng minh là hàm khơng giảm theo số biến độc lập được đưa vào mơ hình, tuy nhiên khơng phải phương trình càng cĩ nhiều biến sẽ càng phù hợp hơn với dữ liệu, R2 cĩ khuynh hướng là một yếu tố lạc quan của thước đo sự phù hợp của mơ hình đối với dữ liệu trong trường hợp cĩ một biến giải thích trong mơ hình. Như vậy, trong hồi quy tuyến tính bội thường dùng hệ số R Square hiệu chỉnh (Adjusted R Square) để đánh giá độ phù hợp của mơ hình vì nĩ khơng thổi phồng mức độ phù hợp của mơ hình.
Hệ số Beta chuẩn hố được dùng để đánh giá mức độ quan trọng của từng nhân tố, hệ số Beta chuẩn hố cuả biến nào càng cao thì mức độ tác động của biến đĩ vào sự thoả mãn chất lượng dịch vụ của khách hàng càng lớn. (Trọng & Ngọc 2008)
Kiểm định Anova được sử dụng để kiểm tra tính phù hợp của mơ hình với tập dữ liệu gốc. Nếu mức ý nghĩa của kiểm định < 0.05 thì cĩ thể kết luận mơ hình hồi quy phù hợp với tập dữ liệu.
Sau khi tìm ra các nhân tố tác động đến mức độ hài lịng của tổ chức, cá nhân nộp thuế bằng phân tích Cronbach Alpha và EFA, nghiên cứu đã tìm ra 04 nhân tố tác động đến sự hài lịng của tổ chức, cá nhân về chất lượng dịch vụ cơng trong lĩnh vực kê khai thuế qua mạng. 04 nhân tố này với 25 biến quan sát đạt tiêu chuẩn tiếp tục được đưa vào mơ hình hồi quy bội để phân tích, xác định cụ thể trọng số của từng nhân tố tác động đến sự hài lịng của người nộp thuế.
Phương trình hồi quy bội biểu diễn mối quan hệ giữa sự hài lịng của người nộp thuế với các thành phần chất lượng dịch vụ như sau:
Y = β0 + β1.X1 + β2.X2 + β3.X3 + β4.X4 + β5.Mơ hình kế tốn Với:
- Y là hài lịng của tổ chức, cá nhân nộp thuế về dịch vụ kê khai thuế qua mạng.
- β0, β1, β2, β3, β4 , β5 là các hệ số hồi quy.
- X1, X2, X3, X4 , Mơ hình lần lượt là các biến độc lập theo thứ tự Năng lực phục vụ và điều kiện vật chất, Những tiện lợi mang lại, Mức độ an toàn, Thủ tục và quy trình, mơ hình kế tốn doanh nghiệp.
Bảng 3.10: ANOVAb
Model
Sum of
Squares df Mean Square F Sig.
Regression 146.081 5 29.216 92.708 0.000a
Residual 64.919 206 0.315
1
Total 211.000 211
a. Predictors: (Constant), mơhình, tt_qt, at, tl, nl_vc
Kiểm nghiệm mơ hình với giá trị Sig.(F) = 0.000 < 0.05 cho thấy mơ hình hồi quy tuyến tính bội được xây dựng phù hợp với mẫu dữ liệu và cĩ thể sử dụng được.
Bảng 3.11: Model Summaryb
Model R R Square Adjusted R Square
Std. Error of the Estimate
1 0.832a 0.692 0.685 0.56137507
a. Predictors: (Constant), mơhình, tt_qt, at, tl, nl_vc b. Dependent Variable: hl
Sau khi chạy hồi quy tuyến tính bội với phương pháp đưa vào một lượt (Enter), ta cĩ R2 = 0.692 cĩ nghĩa là 69,2% thay đổi của sự hài lịng quan sát cĩ thể được giải thích bởi sự thay đổi của 05 thành phần chất lượng dịch vụ: Năng lực phục vụ và điều kiện vật chất, Những tiện lợi mang lại, Mức độ an toàn, Thủ tục và quy trình, mơ hình kế tốn. Kết quả này cho thấy mơ hình là phù hợp, cĩ mối tương quan tương đối mạnh giữa biến phụ thuộc với các biến độc lập của mơ hình.
Bốn nhân tố: Năng lực phục vụ và điều kiện vật chất, Những tiện lợi mang lại, Mức độ an toàn, Thủ tục và quy trình đều cĩ mối quan hệ tuyến tính với sự hài lịng của tổ chức, cá nhân nộp thuế với Sig.(t) < 0.05. Riêng nhân tố mơ hình kế tốn của doanh nghiệp cĩ Sig.(t) > 0.05, cho thấy giả thuyết H0 khơng bị bác bỏ. Do đĩ, cĩ thể khẳng định khơng cĩ sự khác biệt về sự hài lịng đối với chất lượng dịch vụ cơng trong lĩnh vực kê khai thuế qua mạng giữa các doanh nghiệp cĩ mơ hình kế tốn khác nhau.
Bảng 3.12: Coefficientsa Unstandardized
Coefficients
Standardized
Coefficients Collinearity Statistics Model B Std. Error Beta t Sig. Tolerance VIF
(Constant) -0.068 0.175 -0.391 0.697
nl_vc 0.470 0.039 0.470 12.159 0.000 0.998 1.002 1
at 0.428 0.039 0.428 11.069 0.000 0.999 1.001 tt_qt 0.270 0.039 0.270 6.985 0.000 1.000 1.000 mơhình 0.038 0.095 0.016 0.400 0.689 0.993 1.007 a. Dependent Variable: hl
Phương trình hồi quy được xác định như sau:
Y = -0.068 + 0.470X1 + 0.465X2 + 0.428X3 + 0.270X4 + 0.038X5 Các hệ số hồi quy β mang dấu dương thể hiện các thành phần trong mơ hình hồi quy trên ảnh hưởng theo chiều hướng tỷ lệ thuận với sự hài lịng của tổ chức, cá nhân nộp thuế, trong đĩ thành phần Năng lực phục vụ và điều kiện vật chất cĩ tác động mạnh nhất đến sự hài lịng của tổ chức, cá nhân nộp thuế.
Trong trường hợp các biến độc lập cĩ hiện tượng đa cộng tuyến, tức là các biến độc lập tương quan chặt chẽ với nhau và chúng cung cấp cho mơ hình những thơng tin rất giống nhau, khĩ tách ảnh hưởng của từng biến riêng rẽ thì sẽ dẫn đến diễn giải sai lệch kết quả hồi quy so với thực tế. Kết quả kiểm định hệ số phĩng đại phương sai Variance Inflation Factor - VIF của các biến độc lập trong mơ hình cho thấy hệ số này rất nhỏ (đều xấp xỉ bằng 1), chứng tỏ các biến độc lập khơng cĩ quan hệ chặt chẽ với nhau nên khơng xảy ra hiện tượng đa cộng tuyến. Do đĩ, mối quan hệ giữa các biến độc lập khơng cĩ ảnh hưởng đáng kể đến kết quả giải thích của mơ hình hồi quy.
Ngồi ra, theo biểu đồ phân tán giữa hai biến giá trị dự đốn chuẩn hố (Standardized Predicted Value) và phần dư chuẩn hố (Standardized Residual) cho thấy phần dư phân tán ngẫu nhiên. Vì vậy giả định liên hệ tuyến tính khơng bị vi phạm.
Hình 3.3: Biểu đồ phân tán
Từ kết quả của biểu đồ 3.3 và biểu đồ 3.4 cho thấy phân phối của phần dư là phân phối chuẩn. Như vậy giả định về phân phối chuẩn của phần dư khơng bị vi phạm.
Hình 3.5: Biểu đồ P-P Plot